改进YOLOv5s的钢材表面缺陷检测算法
Improved YOLOv5 Algorithm for Steel Surface Defect Detection作者机构:东北石油大学物理与电子工程学院 中共大庆市委网络安全和信息化委员会办公室
出 版 物:《化工自动化及仪表》 (Control and Instruments in Chemical Industry)
年 卷 期:2024年第51卷第2期
页 面:301-309页
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:黑龙江省教育科学规划课题(批准号:GJB1421131)资助 黑龙江省高等教育教学改革研究项目(SJGY20210110)资助的课题
主 题:缺陷检测 深度学习 改进YOLOv5s Swin Transformer 注意力机制
摘 要:为提高钢材表面缺陷检测的准确率,提出一种改进YOLOv5s的钢材表面缺陷检测算法。首先,在特征提取网络中引入Swin Transformer结构,增强网络对特征的感知能力;其次,添加坐标注意力机制,加强对重要特征信息的关注;最后,针对钢材缺陷的特点增加检测层,提升多尺度目标检测能力,并使用SIOU损失函数评估检测效果。将所提出的算法在公开数据集NEU-DET上进行消融实验,结果表明:所提算法能有效提高钢材表面缺陷目标检测的准确率。